Sales Performance Report - Project Data Analysis for Retail

Halo pembaca semua... Sebelumnya terima kasih sudah membaca tulisan ini, Ini adalah salah satu dokumentasi saya saat saya belajar di pelatihan yang diadakan Kementerian KOMINFO Republik Indonesia yaitu ada Program Digital Talent Scholarship. Pada pelatihan ini ada studi kasus proyek secara langsung yang berjudul Project Data Analysis for Retail: Sales Performance Report dengan Data Mentor Nelda Ampulembang Parenta yaitu seorang Senior Data Analyst di Logisly sebuah platform logistik digital yang bertujuan untuk meningkatkan efisiensi logistik. Okee langsung saja saya akan membahas dokumentasi dari pyoyek ini.

Dalam proyek ini saya bertujuan melakukan analisis terhadap performance penjualan dari DQLab Store dengan menggunakan query SQL.

Dataset Brief

Dataset yang digunakan berisi transaksi dari tahun 2009 sampai dengan tahun 2012 dengan jumlah raw data sebanyak 5500, termasuk di dalamnya order status yang terbagi menjadi order finished, order returned dan order cancelled.

Adapun dataset yang sudah diberikan dan akan digunakan pada project ini berisi data sebagai berikut.

OrderID
Order Status
Customer
Order Date
Order Quantity
Sales
Discount %
Discount
Product Category
Product Sub-Category

Nama tabel yang akan digunakan pada project ini adalah dqlab_sales_store

jika pembaca ingin mencoba nya juga dapat mendownload databasenya di sini https://drive.google.com/file/d/1lqBEKGnVnRh79nTkUrS9VGAj2jElgMlD/view?usp=sharing

Studi Kasus Project

Dari data yang sudah diberikan, informasi yang ingin diketahui adalah sebagai berikut :

1). Langkah 1

Overall performance DQLab Store dari tahun 2009–2012 untuk jumlah order dan total sales order finished
Overall performance DQLab by subcategory product yang akan dibandingkan antara tahun 2011 dan tahun 2012

2). Langkah 2

Efektifitas dan efisiensi promosi yang dilakukan selama ini, dengan menghitung burn rate dari promosi yang dilakukan overall berdasarkan tahun
Efektifitas dan efisiensi promosi yang dilakukan selama ini, dengan menghitung burn rate dari promosi yang dilakukan overall berdasarkan sub-category

Setelah melihat hasil analisa pada Langkah 1 dan 2, selanjutnya melakukan analisa terhadap customer DQLab. Analisa dari sisi customer dengan menggunakan metrics :

3). Langkah 3

Analisa terhadap customer setiap tahunnya

Okee langsung saya coba eksekusi ya...

Overall Performance by Year

Melakukan query dengan menggunakan SQL untuk mendapatkan total penjualan (sales) dan jumlah order (number_of_order) dari tahun 2009 sampai dengan tahun 2012 (years) sebagai berikut:

SELECT 
	YEAR(order_date) AS years,
	SUM(sales) AS sales,
	COUNT(order_id) AS number_of_order
FROM 
	dqlab_sales_store
WHERE 
	order_status = 'order finished' 
GROUP BY years
ORDER BY years

Pada Overall Sales performance per tahun ini berdasarkan total sales terjadi penurunan pada tahun 2010, namun kembali meningkat pada tahun selanjutnya. Sedangkan berdasarkan jumlah transaksi, terjadi penurunan jumlah transaksi pada tahun 2011 yaitu sebesar -5.60%, lalu terjadi peningkatan kembali di tahun 2012.

Overall Sales Performance by Product Sub Category

Langkah selanjutnya adalah melakukan query untuk mendapatkan total penjualan (sales) berdasarkan sub category dari produk (product_sub_category) pada tahun 2011 dan 2012 saja (years) sebagai berikut :

SELECT 
	YEAR(order_date) AS years,
	product_sub_category,
	SUM(sales) AS sales
FROM 
	dqlab_sales_store
WHERE 
	order_status = 'order finished'
	AND YEAR(order_date) > 2010
GROUP BY 
	years, product_sub_category
ORDER BY 
	years, sales DESC

Pada tabel hasil query diatas terlihat penjualan tertinggi berdasarkan sub kategori produk untuk tahun 2011 diperoleh dari penjualan Chairs & Chairmats sebesar 622,962,720 dan untuk tahun 2012 diperolah dari penjualan Office Machines sebesar 811,427,140.

Promotion Effectiveness and Efficiency by Years

Pada bagian ini saya akan menganalisis efektifitas dan efisiensi dari promosi yang sudah dilakukan selama ini.

Efektifitas dan efisiensi dari promosi yang dilakukan akan dianalisis berdasarkan Burn Rate yaitu dengan membandingkan total value promosi yang dikeluarkan terhadap total sales yang diperoleh.

Dqlab Store berharap bahwa burn rate tetap berada diangka maksimum 4.5%.

Formula untuk burn rate :

(total discount / total sales) * 100

Kemudian akan dibuat Derived Tables untuk menghitung total sales (sales) dan total discount_value (promotion_value) berdasarkan tahun(years) dan memformulasikan persentase burn rate (burn_rate_percentage) pada query berikut ini.

SELECT 
	YEAR(order_date) AS years,
	SUM(sales) AS sales,
	SUM(discount_value) AS promotion_value,
	ROUND(SUM(discount_value) / SUM(sales) * 100, 2) AS burn_rate_percentage
FROM 
	dqlab_sales_store
WHERE 
	order_status = 'order finished'
GROUP BY years
ORDER BY years

Berdasarkan kolom burn_rate_percentage, promosi yang dilakukan untuk tahun 2009–2012 kurang efektif dan efisien karena tidak berhasil memenuhi target maksimal burn rate yang diharapkan Dqlab Store yaitu sebesar 4.5%.

Promotion Effectiveness and Efficiency by Product Sub Category

Selanjutnya pada bagian ini terdapat langkah yang sama seperti sebelumnya, namun ada kolom yang harus ditambahkan, yaitu product_sub_category dan product_category.

SELECT 
	YEAR(order_date) AS years,
	product_sub_category,
	product_category,
	SUM(sales) AS sales,
	SUM(discount_value) AS promotion_value,
	round(SUM(discount_value)/SUM(sales)*100, 2) AS burn_rate_percentage
FROM 
	dqlab_sales_store
WHERE 
	order_status = 'order finished' AND YEAR(order_date) = '2012'
GROUP BY 
	years, product_category, product_sub_category
ORDER BY 
	sales DESC

Pada tabel ini kita dapat melihat data hanya untuk tahun 2012 dan terlihat detail dari efektifitas dan efesiensi per sub kategori nya.

Customers Transactions per Year

Pada langkah ini, DQLab Store ingin mengetahui jumlah customer (number_of_customer) yang bertransaksi setiap tahun, sejak tahun 2009 sampai 2012 (years) dengan query sebagai berikut :

SELECT 
	YEAR(order_date) AS years,
	count(DISTINCT customer) AS number_of_customer
FROM 
	dqlab_sales_store
WHERE 
	order_status = 'order finished'
GROUP BY years
ORDER BY years

Banyaknya transaksi yang dilakukan oleh pelanggan (number_of_customer), mengalami kenaikan sekaligus penurunan di tiap tahunnya, yakni pada tahun 2009 hingga 2012.

Kesimpulan

Akhirnya selesai juga proses analisa pada proyek kali ini dan mendapatkan beberapa kesimpulan yang menjawab beberapa informasi yang ingin diketahui yaitu :

Overall performance DQLab Store dari tahun 2009–2012 untuk jumlah order dan total sales order finished.

Hasil analisa data Pada Overall Sales performance per tahun ini berdasarkan total sales terjadi penurunan pada tahun 2010, namun kembali meningkat pada tahun selanjutnya. Sedangkan berdasarkan jumlah transaksi, terjadi penurunan jumlah transaksi pada tahun 2011 yaitu sebesar -5.60%, lalu terjadi peningkatan kembali di tahun 2012.

Overall performance DQLab by subcategory product yang akan dibandingkan antara tahun 2011 dan tahun 2012.

Penjualan tertinggi berdasarkan sub kategori produk untuk tahun 2011 diperoleh dari penjualan Chairs & Chairmats sebesar 622,962,720 dan untuk tahun 2012 diperolah dari penjualan Office Machines sebesar 811,427,140.

Efektifitas dan efisiensi promosi yang dilakukan selama ini, dengan menghitung burn rate dari promosi yang dilakukan overall berdasarkan tahun

Efektifitas dan efisiensi promosi yang dilakukan selama ini, dengan menghitung burn rate dari promosi yang dilakukan overall berdasarkan sub-category

Berdasarkan kolom burn_rate_percentage, promosi yang dilakukan overall bersdasarkan sub-category bervariasi ada beberapa yang burn rate nya diatas 4.5% adapun juga di bawah 4.5%.

Analisa terhadap customer setiap tahunnya

Banyaknya transaksi yang dilakukan oleh pelanggan (number_of_customer), mengalami kenaikan sekaligus penurunan di tiap tahunnya, yakni pada tahun 2009 hingga 2012.

PreviousGoogle Data Studio - Building Instagram Data Dashboard Visualisation NextCreate Dashboard Tableau

Last updated 3 years ago